深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1381	2025-10-06	ICT-Net: An Integrated Convolution and Transformer-Based Network for Complex Liver and Liver Tumor Region Segmentation 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3586470 PMID:40740831	研究论文	提出一种结合卷积和Transformer的深度学习网络ICT-Net，用于肝脏和肝肿瘤区域的精确分割	开发了基于预训练Transformer编码器与增强卷积-Transformer解码器的新型网络架构，并提供了新的肝细胞癌标注数据集	公开可用的肝脏数据集与HCC标注数据有限	实现肝脏和肝肿瘤区域的自动精确分割，以支持准确的诊断和治疗规划	肝脏区域和肝细胞癌(HCC)病变	计算机视觉	肝癌	CT成像	CNN, Transformer	CT图像	重庆大学肿瘤医院的新数据集(CCH-LHCC-CT)和三个公共CT肝脏数据集	NA	ICT-Net	准确率(ACC), Dice相似系数(DSC), 交并比(IoU), 95%豪斯多夫距离(HD95)	NA
1382	2025-10-06	Effective Tumor Annotation for Automated Diagnosis of Liver Cancer 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3576827 PMID:40740835	研究论文	提出一种用于肝癌自动诊断的有效肿瘤标注方法，包括肿瘤分割、定位、测量和识别	提出多残差注意力Unet解决梯度消失和信息多样性问题，多SeResUnet实现肝脏8段分区，以及多标签分类器和回归模型分别用于肿瘤特征识别和大小测量	NA	开发自动化肿瘤标注系统以辅助放射科医生高效制作准确诊断报告	肝脏肿瘤	计算机视觉	肝癌	深度学习	CNN	生物医学图像	真实数据集	NA	Multi-Residual Attention Unet, Multi-SeResUnet	肿瘤大小误差, 标注准确率	NA
1383	2025-10-06	Evaluating Cardiac Impairment From Abnormal Respiratory Patterns: Insights From a Wireless Radar and Deep Learning Study 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3588523 PMID:40740837	研究论文	本研究通过无线雷达和深度学习技术分析呼吸模式与心脏功能（特别是左心室射血分数）的关联	首次结合无线雷达框架和深度学习技术，以无接触方式监测呼吸模式与心脏功能的关联	研究样本来自单一医疗中心，样本量有限，需要更大规模研究验证	探索心脏功能受损与睡眠呼吸障碍之间的双向影响关系	台湾北部心脏科病房患者	医疗健康监测	心血管疾病	无线雷达监测，深度学习，超声心动图	深度学习	雷达呼吸信号，超声心动图数据，生化数据	心脏科病房患者（具体数量未明确说明）	NA	NA	呼吸紊乱指数，周期性呼吸周期长度，左心室射血分数变化百分比	NA
1384	2025-10-06	A state-of-the-art review of diffusion model applications for microscopic image and micro-alike image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551894 PMID:40740945	综述	本文综述了扩散模型在显微图像及类显微图像分析中的应用现状	系统梳理了扩散模型在显微图像处理中的三大主流模型（DDPM、DDIM、SDEs）及其在图像生成、分割等任务中的显著优势	仅纳入31篇相关文献，覆盖范围有限，且未涉及具体实施细节	探讨扩散模型在生物医学图像处理中的应用潜力与发展方向	显微图像与类显微图像	计算机视觉	NA	扩散模型	DDPM, DDIM, SDEs	显微图像	31篇文献（其中13篇图像生成，9篇图像分割）	NA	扩散模型	NA	NA
1385	2025-10-06	Advancing patient care with AI: a unified framework for medical image segmentation using transfer learning and hybrid feature extraction 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1589587 PMID:40740955	研究论文	提出结合迁移学习和混合特征提取的统一框架，用于提升多模态医学图像分割的准确性和泛化能力	将U-Net分割、传统纹理特征提取（LBP和GLCM）与迁移学习相结合，创建适用于多模态医学图像的统一框架	仅在三类特定医学图像数据集上验证，未涉及更多疾病类型和成像模态	开发集成框架以提升医学图像分割的准确性和泛化能力	皮肤癌、肠道息肉和脑肿瘤的医学图像	计算机视觉	皮肤癌,肠道息肉,脑肿瘤	医学图像分析,纹理特征提取	U-Net,SVM	医学图像	三个独立医学图像数据集：HAM10000、Kvasir-SEG和Figshare脑肿瘤数据集	NA	U-Net	准确率,召回率(灵敏度),特异性,F-measure,偏差-方差分析	NA
1386	2025-10-06	Quantitative assessment of brain glymphatic imaging features using deep learning-based EPVS segmentation and DTI-ALPS analysis in Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1621106 PMID:40741044	研究论文	本研究通过深度学习自动分割血管周围间隙和DTI-ALPS分析，定量评估阿尔茨海默病患者脑类淋巴系统影像特征	首次结合深度学习EPVS自动分割和DTI-ALPS分析实现多维度的脑类淋巴系统评估	样本量相对有限（AD患者89例，aMCI患者24例，正常对照32例）	定量评估阿尔茨海默病及相关认知障碍患者的脑类淋巴系统影像特征	阿尔茨海默病患者、遗忘型轻度认知障碍患者和正常对照人群	医学影像分析	阿尔茨海默病	T1WI、T2WI、扩散张量成像	深度学习	医学影像	145例（89例AD，24例aMCI，32例正常对照）	NA	VB-Net	Dice相似系数	NA
1387	2025-10-06	Development and validation of deep learning- and ensemble learning-based biological ages in the NHANES study 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532884 PMID:40741049	研究论文	本研究基于NHANES数据开发并验证了深度学习和集成学习的生物年龄模型，用于预测全因死亡率和特定病因死亡率	首次结合临床、行为和社会经济等多维度特征构建生物年龄模型，超越了传统仅依赖血液标志物的方法	研究基于美国NHANES队列，结果可能不适用于其他人群	开发和验证基于机器学习的生物年龄模型，评估其对死亡率的预测性能	NHANES研究中24,985名参与者	机器学习	慢性疾病	LASSO特征选择，SHAP可解释性分析	深度神经网络，集成学习	临床数据，行为数据，社会经济数据	24,985名参与者	NA	深度神经网络，集成学习模型	MAE, AUC, HR	NA
1388	2025-10-06	Evaluation of non-motor symptoms in Parkinson's disease using multiparametric MRI with the multiplex sequence 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1602245 PMID:40741048	研究论文	本研究使用MULTIPLEX多参数MRI序列评估帕金森病非运动症状相关的脑部微观结构变化	首次采用MULTIPLEX序列（包含T2* mapping、T1 mapping、质子密度 mapping和QSM）检测帕金森病非运动症状相关的脑部微观结构变化	样本量较小（37例患者），未在T1 mapping和质子密度 mapping中发现显著关联区域	探索多参数MRI在帕金森病非运动症状检测中的应用价值	37名帕金森病患者	医学影像分析	帕金森病	多参数MRI（MULTIPLEX序列）、3D T1加权成像、T2* mapping、T1 mapping、质子密度 mapping、定量磁化率成像	深度学习	MRI影像数据	37名帕金森病患者	NA	NA	Spearman秩相关系数、p值	NA
1389	2025-10-06	Deep learning-based multi-omics model to predict nasopharyngeal necrosis of re-irradiation for recurrent nasopharyngeal carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1607218 PMID:40735035	研究论文	开发基于深度学习的多组学模型预测复发性鼻咽癌再放疗后鼻咽坏死风险	首次结合多序列MRI影像组学和剂量组学特征，使用3D CNN深度学习网络预测鼻咽坏死风险	样本量较小（117例患者），需要更大规模数据验证	预测复发性鼻咽癌患者再放疗后鼻咽坏死的发生风险	复发性鼻咽癌患者	医学影像分析	鼻咽癌	多序列磁共振成像，放射治疗剂量分布分析	CNN	医学影像（MRI），剂量分布数据	117例复发性鼻咽癌患者（97例训练集，20例测试集）	NA	3D卷积神经网络	AUC, ACC, F1-Score	NA
1390	2025-10-06	Evaluating the impact of common clinical confounders on performance of deep-learning-based sepsis risk assessment 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1452471 PMID:40735113	研究论文	本研究开发了一种基于深度学习的脓毒症风险预测模型，并评估了临床混杂因素对模型性能的影响	探索了不同脓毒症定义对深度学习系统性能的影响，并提出了基于共识的方法来应对标签不确定性	回顾性研究设计，脓毒症诊断缺乏金标准，存在标签不确定性	开发早期脓毒症风险预测模型并评估临床混杂因素的影响	急诊科患者	机器学习	脓毒症	常规血液检测	深度学习	临床数据	未明确样本数量，使用入院后24小时内的患者数据	NA	NA	灵敏度, 特异度, 阳性预测值, 阴性预测值, AUC	NA
1391	2025-10-06	Fungi-Kcr: a language model for predicting lysine crotonylation in pathogenic fungal proteins 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1615443 PMID:40735338	研究论文	开发了一个基于深度学习的模型Fungi-Kcr，用于预测致病真菌蛋白质中的赖氨酸巴豆酰化修饰位点	首次将CNN、GRU和词嵌入技术结合用于真菌蛋白质Kcr位点预测，并证明通用预测模型优于物种特异性模型	依赖于计算预测，仍需实验验证；模型性能受训练数据质量和数量的限制	开发计算工具以替代昂贵耗时的实验方法，大规模识别真菌蛋白质中的Kcr修饰位点	致病真菌蛋白质中的赖氨酸巴豆酰化修饰位点	自然语言处理	真菌感染	深度学习，质谱技术	CNN, GRU	蛋白质序列数据	NA	NA	CNN-GRU混合架构	十折交叉验证，独立测试	NA
1392	2025-10-06	An explainable and efficient deep learning framework for EEG-based diagnosis of Alzheimer's disease and frontotemporal dementia 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1590201 PMID:40735445	研究论文	提出一种可解释的轻量级深度学习框架，用于基于EEG的阿尔茨海默病和额颞叶痴呆诊断	结合时间卷积网络和长短时记忆网络的可解释轻量级框架，采用SHAP技术提供特征贡献分析	未提及样本来源的多样性和外部验证结果	开发可解释的深度学习模型用于神经退行性疾病的早期准确诊断	阿尔茨海默病(AD)、额颞叶痴呆(FTD)患者和健康对照组的EEG数据	医疗人工智能	阿尔茨海默病, 额颞叶痴呆	脑电图(EEG), 功率谱密度(PSD)分析	TCN, LSTM	EEG信号	NA	NA	时间卷积网络, 长短时记忆网络	准确率	NA
1393	2025-10-06	Recent advances in deep learning for lymphoma segmentation: Clinical applications and challenges 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251362508 PMID:40735544	综述	本文综述了深度学习在淋巴瘤分割研究中的进展，并与传统方法进行对比分析	深入探讨了基于深度学习的淋巴瘤分割研究向临床场景转化的潜力与挑战	NA	促进深度学习在淋巴瘤诊断和治疗监测中的广泛应用	淋巴瘤分割研究	医学影像分析	淋巴瘤	PET/CT, CT, 磁共振成像	深度学习	医学影像	NA	NA	NA	NA	NA
1394	2025-10-06	The pipelines of deep learning-based plant image processing 2025, Quantitative plant biology DOI:10.1017/qpb.2025.10018 PMID:40735612	综述	本文综述了基于深度学习的植物图像处理流程及其在植物科学中的应用	系统总结了植物图像处理中从数据采集到特征提取的全流程深度学习方法，并探讨了新兴趋势和未来方向	作为综述文章，未提出新的算法模型，主要整合现有研究成果	总结深度学习在植物图像处理中的最新计算工具和方法论	植物图像处理技术和分析方法	计算机视觉	NA	高分辨率成像,无人机摄影,图像增强,颜色直方图,纹理分析	NA	图像	NA	NA	NA	NA	NA
1395	2025-10-06	LRU-Net: lightweight and multiscale feature extraction for localization of ACL tears region in MRI images 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1611267 PMID:40735674	研究论文	提出一种轻量级残差U-Net网络LRU-Net，用于MRI图像中前交叉韧带撕裂区域的定位分割	集成先进的注意力机制增强边界敏感性，采用动态特征提取模块实现自适应多尺度特征提取，并通过密集连接解码器增强特征重用	NA	开发准确高效的ACL撕裂诊断工具	前交叉韧带撕裂区域	计算机视觉	运动损伤	MRI成像	CNN	医学图像	NA	NA	U-Net, ResNet	Dice系数, IoU	轻量级计算
1396	2025-10-06	DualPlaqueNet with dual-branch structure and attention mechanism for carotid plaque semantic segmentation and size prediction 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1629637 PMID:40735675	研究论文	提出基于深度学习的DualPlaqueNet模型，用于颈动脉超声图像中斑块的语义分割和尺寸预测	采用双分支架构结合注意力机制和联合损失函数，并在ECA模块中引入多层一维卷积结构	数据集仅包含287张来自单一医院的超声图像，样本量有限	为临床风险评估和个性化诊疗提供全面准确的辅助信息	颈动脉粥样硬化斑块	计算机视觉	心血管疾病	超声成像	CNN	图像	287张颈动脉超声图像	NA	DualPlaqueNet, ECA	MIoU, IoU, DSC, Accuracy, MSE, MAE, R²	NA
1397	2025-10-06	AI-driven skin cancer detection from smartphone images: A hybrid model using ViT, adaptive thresholding, black-hat transformation, and XGBoost 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328402 PMID:40720382	研究论文	提出一种基于智能手机图像的皮肤癌检测混合模型，结合视觉Transformer和XGBoost算法	采用自适应阈值处理和黑帽变换进行图像预处理，结合ViT特征提取和图像相关变量构建堆叠模型	NA	提高皮肤癌筛查的准确性和效率	六类皮肤病变：光化性角化病、基底细胞癌、黑色素瘤、痣、鳞状细胞癌和脂溢性角化病	计算机视觉	皮肤癌	智能手机图像采集	ViT, XGBoost	图像	NA	NA	Vision Transformer	准确率, PVV, 召回率, F1分数	NA
1398	2025-10-06	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	提出一种基于超参数调优深度学习驱动的医学图像分析方法，用于颅内出血检测	结合改进的EfficientNet特征提取、黑猩猩优化算法进行超参数调优，以及集成LSTM、堆叠自编码器和双向LSTM的分类模型	NA	开发自动化的颅内出血检测系统以提高诊断准确率	计算机断层扫描（CT）图像中的颅内出血区域	计算机视觉	颅内出血	计算机断层扫描（CT）	CNN, LSTM, Autoencoder, Bi-LSTM	医学图像	NA	NA	EfficientNet, LSTM, Stacked Autoencoder, Bi-LSTM	准确率	NA
1399	2025-10-06	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出基于AMFormer的交通事故责任认定框架，通过时空特征建模实现可解释的多标签责任分类	开发AMFormer（算术特征交互Transformer）框架，结合SHAP分析提供责任认定的可解释性	未明确说明数据集的具体规模和多样性限制	开发准确且可解释的交通事故责任认定方法	交通事故数据及责任认定	自然语言处理	NA	深度学习，SHAP可解释性分析	Transformer	交通事故特征数据	真实世界数据集（未明确具体数量）	NA	AMFormer（算术特征交互Transformer）	准确率，F1分数	NA
1400	2025-10-06	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	开发深度学习模型用于超声图像中肝脏肿瘤的自动实时检测和诊断	在大型数据集上比较多种深度学习模型对肝脏肿瘤的诊断性能，并实现基于超声的实时病变检测和分类	回顾性研究设计，数据集时间跨度较长（2002-2020年）	开发自动诊断和检测肝脏病变的深度学习模型，以肝细胞癌为主要恶性肿瘤	肝脏肿瘤患者，包括恶性和良性病变	计算机视觉	肝癌	超声成像	CNN, Transformer	超声图像	1576名患者，4599张图像，6001个病变	NA	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	AUC, mAP	NA